综述：气候变化与健康：伦理人工智能的下一个挑战

这篇综述深刻探讨了人工智能(AI)在医疗健康领域的资源消耗与环境代价，指出当前AI伦理框架普遍忽视其对气候变化的加剧作用。文章强调，AI在训练和部署过程中对水、能源及矿产资源的巨额需求，正通过碳排放、空气污染和资源争夺间接恶化全球健康公平性，尤其对低收入国家造成不成比例的负担。作者呼吁将环境成本纳入AI伦理核心原则，并提出建立报告、审计、国际合作等具体策略，推动"绿色AI(Green AI)"发展。

　　

气候变化与健康：伦理人工智能的下一个挑战

引言
作为全球资源最密集的数字技术之一，人工智能(AI)对健康领域的环境影响长期被全球健康和生命伦理学忽视。当前AI伦理框架主要关注透明度、公平性等核心原则，而环境问题仅被列为次要考量。这种割裂产生了一个尖锐矛盾：旨在改善全球健康的AI解决方案，正通过加剧气候变化恶化其试图解决的卫生问题。

全球健康中AI的承诺与代价
AI被寄予解决全球健康不平等的厚望，例如比尔及梅琳达·盖茨基金会投资500万美元在低收入国家部署大型语言模型(LLM)。然而监管指南鲜少提及一个根本悖论：AI训练所需的自然资源消耗（如墨西哥克雷塔罗数据中心每年消耗150亿升水）正通过气候效应抵消其健康收益。这种模式延续了殖民时期的资源掠夺逻辑，全球多数国家承担环境代价，而技术红利集中于少数发达国家。

AI技术的环境负担升级
大型语言模型的兴起带来惊人资源需求：

• 水资源：微软2022年用水量增长34%至640万立方米，主要供给云数据中心。单个美国小型数据中心冷却系统年耗水量相当于尼日利亚居民人均用水量的2000倍。
• 能源：深度学习能耗在2012-2018年间激增30万倍。2027年新增AI服务器年耗电量可能超过阿根廷全国用电量。训练单个大型语言模型产生约300,000 kg CO₂排放。
• 矿产：钴、锂等关键矿物开采引发刚果民主共和国等地冲突，电子废物含汞、铅等有毒物质。

AI加剧气候相关健康危机
气候变暖每年已导致数十万人死于营养不良、疟疾等疾病。AI的碳足迹将加剧这一趋势：

• 美国数据中心相关空气污染或导致2030年前每年新增1300例过早死亡
• 77%墨西哥电力依赖化石燃料，数据中心扩张延缓能源转型
• 石油巨头与科技公司合作（如壳牌-微软联盟）进一步锁定高碳发展路径

重构AI伦理框架的核心原则
作者提出将环境维度深度整合到AI伦理支柱中：

• 透明度：强制披露从矿产溯源到模型训练的全生命周期资源使用
• 无害性：要求AI健康应用证明其气候收益大于环境代价
• 公平性：打破"全球少数国家设计AI，全球多数国家承受代价"的循环
• 正义：优先投资实体医疗系统而非高耗能AI解决方案

推动环境问责的实践策略

• 气候模型卡片：标准化报告自然语言处理模型的碳排放
• 算法审计：结合环境影响评估方法量化AI系统生态足迹
• 欧盟AI法案修订：将环境风险纳入高风险AI分类标准
• 国际气候中立协议：如欧洲数据中心2030碳中和公约

结论
当AI训练一次模型消耗的电力相当于丹麦全国年用水量时，任何健康改善承诺都将被其气候代价抵消。建立"有意向的AI"文化——从工程师选择低碳云区域到期刊要求碳足迹披露——是确保AI真正服务健康公平的前提。这不仅是技术优化，更是对殖民式发展模式的根本反思。